基于多视角学习的心房全自动分割跟踪定位方法技术

本发明专利技术涉及一种基于多视角学习的心房全自动分割跟踪定位方法，属于图像分析技术领域。所述方法为将冠状位、矢状位、横断位的断层数据输入到网络的三个分支上；其中，输入的图像将被裁剪成固定尺寸的体层数据，每个分支都将对断层数据进行逐层分割；裁剪后的体层数据将经历四个下采样阶段，再经历四个上采样阶段，每个阶段都用三维卷积核对特征进行提取，最后输出分割后的图像尺寸与输入尺寸一致；本发明专利技术可提高心房核磁后处理的效率，降低主观因素导致的误差，并实现端到端的心房自动分割。

Automatic atrial segmentation and tracking based on multi perspective learning

【技术实现步骤摘要】
基于多视角学习的心房全自动分割跟踪定位方法
本专利技术属于图像分析
，涉及基于多视角学习的心房全自动分割跟踪定位方法。
技术介绍
在众多医学影像学手段中，心脏磁共振(CardiacMagneticResonance，CMR)的软组织对比度最高，其通过多参数、多平面、多序列成像可同时对心脏的解剖结构、运动功能和组织特征改变等进行“一站式”观察，从而成为心功能和心肌局限性纤维化评价的金标准。在房颤消融术前精确分析评估患者的心房结构及纤维化程度，可以判断患者预后，指导治疗方案的选择，对提高房颤病人治疗效果，降低医疗成本有重大意义。虽然心脏核磁检查在心脏疾病诊断、危险分层及预后判断上具有独特价值，但是将该技术广泛应用于临床依然面临三大亟待解决的难题：1)心脏核磁影像伪影重，心房壁薄，分割重建难度高；2)CMR数据处理需要专业医师人工勾画，非常耗时；3)临床高水平的影像诊断医师缺口大。因此，研究心房壁核磁影像的精确自动分割算法，对提高医生诊断的时效性具有重要意义。目前，心房分割主要在单视角层面进行(例如水平位)，但是本文档来自技高网...

【技术保护点】
1.基于多视角学习的心房全自动分割跟踪定位方法，其特征在于：所述方法为：/n将冠状位、矢状位、横断位的断层数据输入到网络的三个分支上；其中，输入的图像将被裁剪成固定尺寸的体层数据，每个分支都将对断层数据进行逐层分割；/n裁剪后的体层数据将经历四个下采样阶段，再经历四个上采样阶段，每个阶段都用三维卷积核对特征进行提取，最后输出分割后的图像尺寸与输入尺寸一致；/n为评估分割的结果并通过反向传播机制对分支模型的参数进行进一步的优化，算法利用评估分割效果的Dice系数和交叉熵联合计算训练过程中的loss，其中，Dice系数的计算方法为：/n

【技术特征摘要】
1.基于多视角学习的心房全自动分割跟踪定位方法，其特征在于：所述方法为：
将冠状位、矢状位、横断位的断层数据输入到网络的三个分支上；其中，输入的图像将被裁剪成固定尺寸的体层数据，每个分支都将对断层数据进行逐层分割；
裁剪后的体层数据将经历四个下采样阶段，再经历四个上采样阶段，每个阶段都用三维卷积核对特征进行提取，最后输出分割后的图像尺寸与输入尺寸一致；
为评估分割的结果并通过反向传播机制对分支模型的参数进行进一步的优化，算法利用评估分割效果的Dice系数和交叉熵联合计算训练过程中的loss，其中，Dice系数的计算方法为：



其中，N代表裁剪后的体层数据里像素总个数，pi为预测的分割结果里i位置上像素的预测值，gi代表分割结果的金标准里i位置上像素的对应值；交叉熵的计算方法为：



融合Dice系数及交叉熵，网络训练的总Loss计算方式为：
Loss＝λ(1-D)+(1-λ)C
其中，...

【专利技术属性】
技术研发人员：肖晶晶，丁海艳，司东岳，吴艳芳，尹杰，
申请(专利权)人：中国人民解放军陆军军医大学第二附属医院，
类型：发明
国别省市：重庆;50